∴ GitHub / 趋势仓库

docling-project / docling

解析多格式文档并为生成式 AI 准备好数据

语言
Python
Star
67.3k
Fork
4.8k
当日新增(09-20)
+129
累计在榜
2 天
最高名次
第 8 名
首次上榜
2026-09-19
去 GitHub 查看 ↗项目主页 ↗

∴ 是什么

Docling 是一个 Python 库,用于解析多种文档格式(包括 PDF、DOCX、PPTX、XLSX、HTML、EPUB 等),并提供统一的 DoclingDocument 表示形式。它支持高级 PDF 理解(页面布局、阅读顺序、表格结构、公式等),并可将文档导出为 Markdown、JSON 等格式。项目提供 CLI、Python API、API 服务器和 MCP 服务器,以便集成到生成式 AI 工作流中。

∴ 解决什么问题

  • 简化文档处理,将不同格式的文档解析为统一结构
  • 为敏感数据提供本地执行能力,支持离线环境
  • 将文档转换为适合生成式 AI 使用的格式(如 Markdown、JSON)
  • 处理扫描 PDF 和图像时需要 OCR 支持

∴ 怎么上手

  1. 01运行 pip install docling 安装
  2. 02使用命令行转换文档:docling https://arxiv.org/pdf/2206.01062
  3. 03(可选)使用 VLM 管道:docling --pipeline vlm --vlm-model granite_docling https://arxiv.org/pdf/2206.01062
  4. 04Python 用法:from docling.document_converter import DocumentConverter; converter = DocumentConverter(); result = converter.convert(source); print(result.document.export_to_markdown())

∴ 适合谁

面向需要将 PDF、Office 文档等转换为结构化文本或 JSON 的开发者,适用于构建 RAG、智能代理或文档分析应用的场景。

∴ 要点

  • 支持多种文档格式:PDF、DOCX、PPTX、XLSX、HTML、EPUB、Apple Pages、WAV、MP3、图片等
  • 高级 PDF 理解:布局、阅读顺序、表格结构、代码、公式、图像分类
  • 统一 DoclingDocument 表示,导出为 Markdown、HTML、JSON 等
  • 支持多种 XML schema:DocLang、USPTO 专利、JATS 文章、XBRL 财务报告
  • 提供 LangChain、LlamaIndex、Crew AI、Haystack 等集成
  • 支持 OCR、视觉语言模型(如 GraniteDocling)和语音识别(ASR),以及视频文件解析
许可证 MITaiconvertdocument-parserdocument-parsingdocumentsdocxhtmlmarkdownpdfpdf-converterpdf-to-jsonpdf-to-textpptxtablesxlsx

解读由 AI 依据项目 README 生成,生成于 2026-10-06,以 GitHub 原文为准。

∴ 在榜记录

GitHub Trending 今日榜的每日存档,日期按北京时间。2026-09-19 首次上榜,累计在榜 2 天,最高第 8 名。

[object Object]2026-09-19 +942026-09-20 +129
每日新增 Star · 2026-09-19 至 2026-09-20 · 共 2 个在榜日峰值 +129
日期名次当日新增总 Star
#8+12967,331
#8+9466,781